ELFNet：用于立体匹配的证据局部-全局融合
计算机视觉与模式识别
2023-08-03 v1
摘要
尽管现有立体匹配模型已取得持续改进，但由于缺乏不确定性估计，它们常面临可信度相关问题。此外，有效利用立体对的的多尺度与多视角知识仍未被探索。本文中，我们引入用于立体匹配的\textbf{证}据\textbf{局}部-全局\textbf{融}合（ELF）框架，其通过可信头赋予不确定性估计与置信感知融合能力。我们的模型并非仅预测视差图，而是估计考虑既含偶然又含认知不确定性的基于证据的视差。以正态逆伽马分布为桥梁，所提框架实现了多级预测的证据内融合以及基于代价体积与基于 Transformer 的立体匹配之间的证据间融合。大量实验结果表明，所提框架有效利用了多视角信息，并在精度与跨域泛化上均取得最先进的综合性能。代码见于 https://github.com/jimmy19991222/ELFNet。
引用
@article{arxiv.2308.00728,
title = {ELFNet: Evidential Local-global Fusion for Stereo Matching},
author = {Jieming Lou and Weide Liu and Zhuo Chen and Fayao Liu and Jun Cheng},
journal= {arXiv preprint arXiv:2308.00728},
year = {2023}
}
备注
ICCV 2023